如何正确使用PyPI的dtosmote 1.0.3处理自有数据集？

问题场景 #

• 机器学习类别不平衡（Class-imbalance）处理场景下，SMOTE是业内通用的经典过采样算法，使用imblearn.over_sampling中的SMOTE类对不平衡二分类数据集做过采样时，代码可正常运行，能正确输出采样前后的数据集类别分布。
• 查阅DTO-SMOTE相关学术论文后，安装PyPI发布的dtosmote 1.0.3包（该包官方文档完善度较低），安装命令为：

  pip install dtosmote
  

• 尝试直接将原代码中的SMOTE替换为delaunaySMOTE(random_state=42)实例时，触发报错：

  NameError: name 'delaunaySMOTE' is not defined
  

  无法正常调用DTO-SMOTE算法完成过采样。

报错原因 #

该包未在顶层模块暴露名为delaunaySMOTE的类，直接调用不存在的类名会触发名称错误；同时该包的实例化参数和imblearn的SMOTE类逻辑不一致，不能直接套用SMOTE的实例化写法。

正确调用步骤 #

1. 从对应子模块导入正确的算法类：

   from dtosmote.dto_smote import DTO
   

2. 传入规定参数完成采样器实例化：

   sm = DTO('teste1','solid_angle',7.5)
   

3. 调用和imblearn接口兼容的fit_resample()方法完成过采样，即可得到类别均衡的数据集：

   X_resampled, y_resampled = sm.fit_resample(X_original, y_original)
   

内容的提问来源于stack exchange，提问作者XYZ